基於稀疏特徵的遙感信息高效感知與壓縮

基於稀疏特徵的遙感信息高效感知與壓縮

《基於稀疏特徵的遙感信息高效感知與壓縮》是依託西安電子科技大學,由楊淑媛擔任項目負責人的重大研究計畫。

基本介紹

  • 中文名:基於稀疏特徵的遙感信息高效感知與壓縮
  • 項目類別:重大研究計畫
  • 項目負責人:楊淑媛
  • 依託單位:西安電子科技大學
中文摘要,結題摘要,

中文摘要

本項目擬針對海量數據星上智慧型化處理的迫切需求與當前有限的存儲與傳輸能力之間的突出矛盾,以“視覺”高分辨衛星遙感數據為對象,基於字典學習、表征學習、壓縮採樣技術,發展基於稀疏特徵的遙感信息高效感知與大倍率星上壓縮新方法。項目圍繞遙感信息的稀疏建模、稀疏採樣感知、稀疏特徵壓縮三部分內容展開。首先挖掘“視覺”高分辨衛星遙感數據的稀疏性及豐富的結構信息,發展基於結構字典學習的線性稀疏編碼模型,以及基於表征學習的層次化非線性稀疏編碼模型;其次,設計數據驅動的壓縮採樣策略,分析壓縮域的特徵測度,建立壓縮域稀疏特徵度量體系,研究其量化、編碼,以及稀疏採樣解碼方案;再次,分析線性與非線性稀疏編碼模型下的稀疏特徵提取、量化、編碼以及解碼方案。最後,建立基於上述理論與方法的遙感信息高效感知與大倍率星上壓縮仿真平台與原型驗證系統,採用實際遙感影像驗證其有效性與實用性。

結題摘要

項目針對高分辨衛星遙感數據存儲與傳輸的瓶頸,圍繞大倍率數據壓縮任務,基於字典學習、壓縮採樣、表征學習三方面技術,探索了基於稀疏特徵的遙感信息高效感知與壓縮的新理論與方法。項目主要研究成果有:(1)設計了一系列過完備結構字典學習和面向壓縮任務的稀疏編碼算法(二叉樹字典、低秩結構字典、稀疏結構非負字典、GE-OMP、EGE-OMP等),對GeoEye-1、QuickBird 、GF-1 和GF-2 等衛星全色影像壓縮,在9~80倍率壓縮比下獲得了優於JPEG2000、JPEG、KSVD等方法的數值結果(PSNR,SSIM)和視覺結果(更清晰的紋理邊緣);(2)提出了高維遙感數據的非線性張量壓縮感知模型,實現了高維遙感信息的同時採集與壓縮。設計了光譜壓縮成像的多路復用方案和基於非負核字典學習的光譜成像方法,實現了在0.1%~5%的極低採樣率下的場景信息復原;(3)設計了基於深度神經網路的大倍率數據壓縮方案,提出一系列深度編碼與解碼網路模型:自編碼、限態自編碼、卷積壓縮網路等,在高於190倍率時壓縮結果優於JPEG2000。(4)設計了基於FPGA+ARM的遙感數據大倍率星上壓縮地面驗證平台,集成了字典學習和深度神經網路兩類壓縮算法,支持光學、多光譜、高光譜和合成孔徑雷達四種數據壓縮,對各類數據實現了高於15倍的壓縮,時間低於1分鐘。項目進展順利,較好的完成了各項項目內容,具體成果如下:在國內外知名期刊和會議上發表論文42篇(SCI 39篇,EI 3篇,其中二區以上29篇),第一作者/通訊作者9篇(一區2篇,二區7篇),授權國家發明專利11項,申報國家發明專利11項,合作出版專著4部,獲得科技獎勵3項:陝西省科學技術一等獎1項(2017年,第三完成人)、吳文俊人工智慧科學技術創新獎(2016年,個人獎)、中國電子學會優秀工作者獎(2015年)。

相關詞條

熱門詞條

聯絡我們